資料視覺化

R 資料視覺化工具簡介

數據交點 | 郭耀仁 https://linktr.ee/yaojenkuo

library("RCurl")
library("dplyr")
library("ggplot2")
library("plotly")
library("rjson")

Attaching package: ‘dplyr’


The following objects are masked from ‘package:stats’:

    filter, lag


The following objects are masked from ‘package:base’:

    intersect, setdiff, setequal, union



Attaching package: ‘plotly’


The following object is masked from ‘package:ggplot2’:

    last_plot


The following object is masked from ‘package:stats’:

    filter


The following object is masked from ‘package:graphics’:

    layout

（複習）視覺化被用於探索與溝通兩個場景

來源：R for Data Science

（複習）載入、清理與轉換外型合稱為 "Wrangle"

Source: R for Data Science

R 的資料視覺化工具

• "Wrangle"
  • readxl、odbc、DBI
  • dplyr
  • tidyr
• 探索性分析與溝通分享：
  • 靜態：Base plotting system、ggplot2
  • 地理資訊、動態：Plotly

資料的載入、清理與轉換

（複習）常見的來源資料格式

1. 純文字檔案。
2. 試算表。
3. 關聯式資料庫中的資料表。

使用 read.csv() 函數載入純文字檔案

• 先以 RCurl::getURL() 函數下載純文字檔案。
• 以 head(df) 檢視前五列。

data_url <- "https://raw.githubusercontent.com/datainpoint/classroom-data-visualization/main/data/daily_report.csv"
data <- getURL(data_url)
daily_report <- read.csv(text = data)
head(daily_report) # show the first 5 rows

A data.frame: 6 × 4

	Combined_Key	Last_Update	Confirmed	Deaths
	<chr>	<chr>	<int>	<int>
1	Afghanistan	2022-04-21 04:20:46	178574	7680
2	Albania	2022-04-21 04:20:46	274606	3496
3	Algeria	2022-04-21 04:20:46	265746	6874
4	Andorra	2022-04-21 04:20:46	41013	153
5	Angola	2022-04-21 04:20:46	99287	1900
6	Antarctica	2022-04-21 04:20:46	11	0

data_url <- "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/UID_ISO_FIPS_LookUp_Table.csv"
data <- getURL(data_url)
lookup_table <- read.csv(text = data)
head(lookup_table) # show the first 5 rows

A data.frame: 6 × 12

	UID	iso2	iso3	code3	FIPS	Admin2	Province_State	Country_Region	Lat	Long_	Combined_Key	Population
	<int>	<chr>	<chr>	<int>	<int>	<chr>	<chr>	<chr>	<dbl>	<dbl>	<chr>	<int>
1	4	AF	AFG	4	NA			Afghanistan	33.93911	67.70995	Afghanistan	38928341
2	8	AL	ALB	8	NA			Albania	41.15330	20.16830	Albania	2877800
3	10	AQ	ATA	10	NA			Antarctica	-71.94990	23.34700	Antarctica	NA
4	12	DZ	DZA	12	NA			Algeria	28.03390	1.65960	Algeria	43851043
5	20	AD	AND	20	NA			Andorra	42.50630	1.52180	Andorra	77265
6	24	AO	AGO	24	NA			Angola	-11.20270	17.87390	Angola	32866268

data_url <- "https://raw.githubusercontent.com/datainpoint/classroom-data-visualization/main/data/time_series.csv"
data <- getURL(data_url)
time_series <- read.csv(text = data)
head(time_series) # show the first 5 rows

A data.frame: 6 × 6

	Date	Country_Region	Confirmed	Deaths	Daily_Cases	Daily_Deaths
	<chr>	<chr>	<int>	<int>	<int>	<int>
1	2020-01-22	Afghanistan	0	0	0	0
2	2020-01-22	Albania	0	0	0	0
3	2020-01-22	Algeria	0	0	0	0
4	2020-01-22	Andorra	0	0	0	0
5	2020-01-22	Angola	0	0	0	0
6	2020-01-22	Antarctica	0	0	0	0

其他資料格式所使用的套件與函數：試算表

readxl::read_excel() 函數

來源：https://readxl.tidyverse.org/

其他資料格式所使用的套件與函數：關聯式資料庫中的資料表

• 以 odbc 建立資料庫引擎。
• DBI::dbConnect() 建立連線。
• DBI::dbSendQuery() 讀取資料。

來源：https://db.rstudio.com/

（複習）資料視覺化的前置作業

When it comes to making graphs, half the battle occurs before you call any graphing commands.

Winston Chang

常見的資料清理、轉換技巧都能夠使用 dplyr/tidyr 的函數

• 選擇欄位。
• 篩選觀測值。
• 排序。
• 分組聚合。
• 轉置。
• 合併。
• 連結。

資料視覺化 123

1. 獲取資料。
2. 將資料整理為合適的格式與類型。
3. 輸入資料視覺化套件所定義好的函數。

試用 R 的資料視覺化工具

country_list <- c("US", "United Kingdom", "France", "Germany", "Canada", "Korea, South", "Japan", "Singapore", "Australia", "Taiwan", "New Zealand")
daily_report_merge_lookup_table <- inner_join(daily_report, lookup_table,
                                             by = "Combined_Key")
filtered_daily_report_merge_lookup_table <- subset(daily_report_merge_lookup_table, Country_Region %in% country_list)
data_for_bar <- filtered_daily_report_merge_lookup_table  %>% 
group_by(Country_Region) %>% 
summarise(Confirmed = sum(Confirmed)) %>% 
arrange(Confirmed)
data_for_bar

A tibble: 10 × 2

Country_Region	Confirmed
<chr>	<int>
New Zealand	865522
Singapore	1170970
Canada	3669173
Australia	5563493
Japan	7484263
Korea, South	16674045
United Kingdom	22060704
Germany	23844536
France	28162002
US	80801162

data_for_line <- time_series %>% 
subset(Country_Region %in% country_list)
rownames(data_for_line) <- NULL
data_for_line[["Date"]] <- as.Date(data_for_line[["Date"]])
head(data_for_line)

A data.frame: 6 × 6

	Date	Country_Region	Confirmed	Deaths	Daily_Cases	Daily_Deaths
	<date>	<chr>	<int>	<int>	<int>	<int>
1	2020-01-22	Australia	0	0	0	0
2	2020-01-22	Canada	0	0	0	0
3	2020-01-22	France	0	0	0	0
4	2020-01-22	Germany	0	0	0	0
5	2020-01-22	Japan	2	0	2	0
6	2020-01-22	Korea, South	1	0	1	0

data_for_geo  <- daily_report_merge_lookup_table %>% 
group_by(iso3, Country_Region) %>% 
summarise(Confirmed = sum(Confirmed))
head(data_for_geo)

`summarise()` has grouped output by 'iso3'. You can override using the
`.groups` argument.

A grouped_df: 6 × 3

iso3	Country_Region	Confirmed
<chr>	<chr>	<int>
	Diamond Princess	712
	MS Zaandam	9
	Summer Olympics 2020	865
	Winter Olympics 2022	535
ABW	Netherlands	34446
AFG	Afghanistan	178574

Base plotting system

1. 將資料整理為合適的格式與類型。
2. 使用 Base plotting system 的作圖函數建立主要圖形。
3. 使用 Base plotting system 的作圖函數添加圖形元素。

# Plotting with base plotting system
v <- data_for_bar[["Confirmed"]]
names(v) <- data_for_bar[["Country_Region"]]
barplot(v, horiz = TRUE, las = 1, cex.names=0.5)
title(main="Confirmed By Country", xlab="Number of Confirmed")

ggplot2

1. 將資料整理為合適的格式與類型。
2. 以 library("ggplot") 載入。
3. 使用 ggplot2 的 ggplot() 函數映射資料。
4. 以 + 連接 ggplot2 的作圖函數建立主要圖形。
5. 以 + 連接 ggplot2 的作圖函數添加圖形元素。

# Plotting with ggplot2
ggplot(data_for_line) +
geom_line(mapping = aes(x = Date, y = Confirmed, colour = Country_Region)) +
ggtitle("Cumulative Confirmed By Country")

Plotly

1. 將資料整理為合適的格式與類型。
2. 以 library("plotly") 載入。
3. 使用 Plotly 的作圖函數建立主要圖形。
4. 調整作圖函數的參數添加圖形元素。

# Plotting with Plotly
y_factor <- factor(data_for_bar[["Country_Region"]], levels=data_for_bar[["Country_Region"]])
fig <- plot_ly(x = data_for_bar[["Confirmed"]],
               y = y_factor,
               type = 'bar', orientation = 'h')
fig

# Plotting with Plotly
fig <- ggplot(data_for_line) +
geom_line(mapping = aes(x = Date, y = Confirmed, colour = Country_Region)) +
ggtitle("Cumulative Confirmed By Country")
ggplotly(fig)

# Plotting with Plotly
fig <- plot_ly(data_for_geo, type='choropleth',
               locations=data_for_geo[["iso3"]], z=data_for_geo[["Confirmed"]],
               text=data_for_geo[["Country_Region"]])
fig